Bir fabrikada sensörler, PLC’ler, test istasyonları ve ERP her gün yüz binlerce satır veri üretir. Bu verinin büyük bölümü hiç analiz edilmeden arşivde bekler. Oysa hurda, yeniden işleme, plansız duruş ve garanti gibi kalemlere dağılan kötü kalite maliyeti (COPQ), tipik bir üreticide gelirin yüzde 10 ila 30’una ulaşabiliyor; dünya standardı ise yüzde 5’in altı. Aradaki fark, çoğu zaman fabrikanın zaten topladığı ama kimsenin okumadığı veride saklıdır. Data Market’in geliştirdiği UpperMind, bu veriyi kurum sınırlarının dışına çıkarmadan analiz eden, kök nedeni kendisi çıkaran ve mühendislerin önüne öncelikli bir aksiyon listesi koyan kurum içi yapay zeka platformudur.

Sorun: Veri Var, Analiz Yok

Kalite kayıplarının faturası tek bir hesapta görünmez. Hurda ayrı bir kalemde, yeniden işleme başka bir kalemde, plansız duruş üretim raporunda, garanti maliyeti satış sonrası kayıtlarda durur; toplam hiçbir ekranda bir araya gelmez. Kayıpların asıl kaynağına inmek isteyen kalite ekipleri ise zamanının önemli bölümünü MES’ten, test istasyonlarından ve ERP’den veri toplayıp Excel’de birleştirmeye harcar. Kök neden analizi çoğu zaman ancak bir kriz çıktığında, geriye dönük olarak yapılır.

Klasik iş zekâsı araçları bu boşluğu tam olarak kapatamıyor: gösterge panelleri ne olduğunu gösterir ama neden olduğunu söylemez; yorum ve önceliklendirme yine insana kalır. Genel amaçlı sohbet botları ise iki nedenle sahaya inemiyor. Birincisi, üretim verisinin bağlamını — hangi tablo hangi hattı anlatıyor, hangi ölçümün toleransı ne — bilmezler. İkincisi ve daha kritik olanı, saha verisini buluta göndermek çoğu üretici için bir seçenek değildir: KVKK yükümlülükleri, müşteri sözleşmeleri ve know-how kaygıları buna izin vermez. Bu tablo; kalite, bakım ve üretim yöneticileri başta olmak üzere ERP/MES verisi biriktiren her ölçekten üretici için geçerlidir.

Çözüm: Bağlanır, Analiz Eder, Uygular

UpperMind, ERP ve MES sistemlerine doğrudan bağlanarak işe başlar. Keşif aşamasında tabloları otomatik anlamlandırır ve bu anlamlandırmayı ekiple doğrular; ardından eldeki veriyle hangi analizlerin değerli olacağını kendisi önerir. Kurulumdan sonra belirli aralıklarla veriyi çeker, analiz eder ve raporu ilgili ekiple paylaşır. İnsan tarafında kimsenin sorgu yazması, rapor talep etmesi gerekmez.

Her rapor aynı katmanlardan geçer: hat, hücre, vardiya ve üretim emri bazlı kırılımlar; ortalama, sigma ve Cp/Cpk gibi ölçüm istatistikleri; sorunun büyük kısmını üreten birkaç hata tipini bulan Pareto analizi. Bunların üzerine ekipman, metot, malzeme ve yazılım ekseninde bir kök neden haritası, etki sırasına dizilmiş aksiyon önerileri ve yönetim diliyle yazılmış tek bakışlık bir özet gelir. Yani rapor ne olduğunu gösterir, neden olduğunu çıkarır, ne yapılacağını söyler.

Döngünün son halkası uygulamadır: rapor bir sensör eşiğinin veya limitin güncellenmesini önerdiğinde, bu değişiklik yalnızca kullanıcı onayıyla ve tam iz kaydıyla sisteme yazılır. Tespit ve öneri otomatiktir; sisteme dokunan tek adım insandan geçer.

Fark Yaratan Özellikler

• On-prem mimari: Veri tasarım gereği buluta çıkmaz, kurum sınırları içinde kalır; KVKK ve GDPR ile uyumludur.

•  Kapalı döngü: Analizden aksiyona giden zincir otomatiktir; sistemi değiştiren adım insan onayına bağlıdır.

•  Model bağımsızlığı: Açık kaynak modellerle çalışır; tedarikçiye kilitlenme yoktur, model panelden değiştirilebilir.

•  Denetlenebilirlik: Rol bazlı erişim (RBAC) ve audit log ile kimin neye eriştiği, hangi aksiyonun alındığı izlenebilir.

Sahadan Örnekler: Üretim ve Kalite

Bir otomotiv aydınlatma üreticisinin far test hattında red oranı bir günde yüzde 7,55’e fırladı. İlk bakışta bir kalite kriziydi; refleks, hattı durdurup kusur aramak, operatörü sorgulamaktı. UpperMind ise redlerin neredeyse tamamının ürün kusuru değil, makinenin kendini sürekli resetlemesinden kaynaklanan yanlış redler olduğunu ortaya çıkardı. Hat, sağlam ürünü reddediyordu. Sorunun adı kalite krizi değil, kapasite kaybıydı — ve her yanlış red, parası zaten ödenmiş kapasitenin çöpe gitmesi anlamına geliyordu.

Aynı fabrikada bir montaj hattının PLC kayıtlarında binlerce arıza kodu birikmişti. Pareto analizi, ilk iki hata tipinin duruşların yaklaşık yüzde 47’sini oluşturduğunu gösterdi; bakım kaynakları buraya yönlendirildi. Analiz iki örüntü daha yakaladı: arızalar belirli malzeme lotlarıyla örtüşüyordu, yani sorun makinede değil gelen malzemedeydi. Aynı saniyede kaydedilen yedi arıza ise yedi ayrı arıza değil, tek bir kontrol mantığı (interlock) hatasıydı. Günlerce sürecek bir inceleme, dakikalar içinde yön kazandı.

Ölçüm tarafında da benzer bir tablo var. Bir renk sensörü modülünde ölçüm ortalaması nominal değerin yaklaşık iki katına çıkmış, proses 1400–2000 tolerans bandını tutamaz hale gelmişti. Sistem sorunu acil olarak işaretledi, kalibrasyon ve limit revizyonu önerdi; onay verildiğinde düzeltilmiş limiti iz kaydıyla sisteme kendisi yazdı. Bir başka hatta ise haftalık red oranı yüzde 0,53’ten 3,49’a — 6,5 katına — çıktığında eğilim, eşik aşılmadan işaretlendi ve parti ile ekipman bazında kök neden incelemesi açıldı. Sapma büyümeden yakalandı.

Üretim Verisinin Gerçek Değeri

UpperMind bir sohbet botu değil; veriyi okuyan, yorumlayan ve kullanılabilir iş çıktısı üreten bir analiz katmanı.  Fabrikanın zaten ödediği bedelle topladığı veriyi görünür kılıyor, kalite kayıplarını kaynağında yakalıyor ve bunu veriniz binadan çıkmadan yapıyor. Kötü kalitenin görünmeyen faturası ile dünya standardı arasındaki fark, tam da bu okunmayan veride duruyor.

Bu yazı, Data Market tarafından TRAI için kaleme alınmıştır.